精华内容
下载资源
问答
  • 一.SpeedTree简要介绍 SpeedTree有两个主要软件,其一是SpeedTree ...SpeedTree Modeler UE4 Subscription这款软件主要是为虚幻4引擎(UE4)制作树模型,其中的树模型不能用于其他的软件(如Unity 3D)。 图标...

    一.SpeedTree简要介绍

    SpeedTree有两个主要软件,其一是SpeedTree Modeler UE4 Subscription,另一款是SpeedTree Modeler Cinema,这两款软件各有优缺点。

    SpeedTree Modeler UE4 Subscription这款软件主要是为虚幻4引擎(UE4)制作树模型,其中的树模型不能用于其他的软件(如Unity 3D)。

    图标:
    在这里插入图片描述

    SpeedTree Modeler Cinema也是用于制作树模型和叶子等,但在其中制作的模型可以导出到许多软件,如我们常用的建模软件3D Maxs,Maya,UDK等,但是其中的模型都是spm格式,需要在其他建模软件中转换格式,然后使用,经过转换后就可以在Unity 3D虚幻4或Unity 3D中使用了。

    图标:
    在这里插入图片描述

    [具体软件信息见官网链接] https://store.speedtree.com
    官网界面:
    在这里插入图片描述

    SpeedTree的详细介绍

    [链接地址]https://baike.baidu.com/item/Speedtree/10737282?fr=aladdin

    特点:

    我们都知道在工业生产领域,流水线工作方式的出现带来了效率的极大提升。比如枪械的制造,在最早期的时候由工匠独自一人完成整个产品,不仅效率低下而且一部分坏掉之后往往整个都要报废。后来出现流水线方式的生产后,每个人只需各司其职将自己的零部件按照规格做好,最终就可以装配成一个完整的产品。这样做不仅工人的熟练程度和工作效率可以大大提高,同时也可以把细节做得更加精益求精。
    如今在游戏制作领域也渐渐出现了类似的情况。大家玩3D游戏的时候一定都很注意游戏所营造的效果,而衡量的标准又是什么呢?大多数人一定都会注意这几个方面:树木、水、光照以及人物等等。
    的确,树木、水、光照以及人物都是3D游戏效果制作的重中之重,如果这些方面都做好了,这款游戏的效果必然就不会差。但这就有点类似刚刚提到造枪的例子,仅靠一己之力要想把这些都做好并不容易,必然要投入大量的人力物力和时间为代价。
    也许是受到传统工业流水线的启发,3D引擎方面也逐渐出现了单独专注于某个领域的产品,例如我现在要讲的SpeedTree就是这样的一款配合引擎使用的软件。顾名思义,SpeedTree是专门负责在游戏中“栽种”树木的程序,它不仅能够营造出非常真实的树木和森林效果,而且可以作为“零件”方便的嵌入到其他渲染引擎当中,为任何一款游戏带去优秀的画面。
    SpeedTree还拥有很多特效以及优化技术。开发者只需要输入环境中的风速和风向等自然条件,SpeedTree就可以让树木实时生成绝对逼真的摆动效果。在优化方面,上面的示意图说明了在极远处的树木,我们只需要2个多边形加上雾化就足够真实了,而随着距离的拉近,SpeedTree动态将树木的多边形数量调整到了1126个,最大程度上达到了性能和视觉效果的平衡。此外,SpeedTree引擎还能够优化程序代码,在运行期间调整CPU与GPU之间的工作量分配,让系统资源发挥出最大的效率。

    二.SpeedTree 软件资源分享

    下载方式-百度网盘下载

    1.[SpeedTree Modeler UE4 Subscription的下载链接]

    https://pan.baidu.com/s/1kdygAuIT6fkcWd6uxSUdjA 提取码:gpxy

    使用方法:(注:由于本人已安装,故作文字说明)

    将文件下载到一个磁盘中,运行其中的程序,然后下载文件到自己能找到的文件夹中,先前下载的文件夹中有一个SpeedTree Modeler UE4 Subscription的exe文件的图标,我们先点击复制,然后找到刚刚下载的文件夹中的SpeedTree Modeler UE4 Subscription文件夹,如图中的

    即如图中所示
    第三个文件夹,然后单击,打开其中的Win64文件夹,
    如下图

    在这里插入图片描述
    找到框中的图标,将刚才复制的文件粘贴到Win64该文件夹中,会出现一个提示,点击进行替换的命令,然后软件就可以使用了,建议使用之前在官网上注册一个账号和密码,以便登录。

    2.[ SpeedTree Modeler Cinema的下载链接]

    https://pan.baidu.com/s/1bK1YovkODGpjLvpAgWiJ1g 提取码:t6sw
    (具体过程我不细说了,安装包里应该会有)

    三.界面显示

    1.SpeedTree Modeler UE4 Subscription的界面

    在这里插入图片描述

    2.SpeedTree Modeler Cinema的界面

    打开后的界面显示:

    在这里插入图片描述
    在界面中打开一个树模型的界面:
    在这里插入图片描述
    制作一个树干:
    在这里插入图片描述
    导出的模式有哪些:

    在这里插入图片描述
    第一次写,希望能够对大家有帮助!也请多多指导!

    展开全文
  • 树木模型软件

    2012-09-15 16:02:31
    是当下较流行的树木模型制作软件!适合做精细模型模型仿真度较高!
  • 3dsmax模型——

    2009-07-12 13:52:03
    模型,是用3dsmax制作的。不错,分享下。
  • 决策 演讲:李伟能 单位:云南大学(数学与统计学院)... 决策( Decisionree,又称为判定,是数据挖掘技术中的 种重要的分类方法,它是一种以结构(包括二叉树和多叉 )形式来表达的预测分析模型 通过把实例从根节点排
  • 简单游戏模型制作

    2014-11-16 20:54:58
    今天利用unity3D做了个简单游戏的模型,说说简单的制造过程 1.首先搭个界面,抬高地势,利用地势做个游戏范围 2.绘制地形 3.铺路,引进水体 4.搭建,石头,房子等 5.给路灯做点光源 6.在怪物的区域引进...
    

    今天利用unity3D做了个简单游戏的模型,说说简单的制造过程

    1.首先搭个界面,抬高地势,利用地势做个游戏范围

    2.绘制地形

    3.铺路,引进水体

    4.搭建树,石头,房子等

    5.给路灯做点光源

    6.在怪物的区域引进局域风

    7.在场地做一些特效

    8.耀斑

    9.音频(背景音乐)等等

    想要了解更多的可以关注www.gopedu.com

    展开全文
  • 游戏的模型精度比影视模型精度低,因为游戏都是实时渲染的,主要靠的是游戏引擎,如果模型面数太多,服务器的运算量就会超负荷导致画面不流畅,或者跳帧,卡,严重的甚至无法运行。所以游戏里所有模型、贴图、动画等...

    游戏的模型精度比影视模型精度低,因为游戏都是实时渲染的,主要靠的是游戏引擎,如果模型面数太多,服务器的运算量就会超负荷导致画面不流畅,或者跳帧,卡,严重的甚至无法运行。所以游戏里所有模型、贴图、动画等文件都要求要小,但是效果要好,使低模的效果看起来跟高精度模型差不多。

    由于游戏采用低模,所以对材质的绘制要求要比影视动画高很多,游戏的需要画出高光、阴影、冷暖对比等等,而影视动画中这些事情是灯光、材质、渲染的工作。

    游戏里的模型必须做出完整的场景,包括游戏中所有的花草树木,所有房子建筑都要做出来。因为游戏是玩家互动的,玩家什么地方都有可能走到。影视的模型只需要做出镜头里出现的部分,因为影视是观众被动的观看,观众不会用鼠标去操控画面,所以影视只需要做出导演要求的分镜中会出现的内容就可以。

    现在,我们再来看学习上的游戏模型和影视模型

    首先,无论是影视模型还是游戏模型,都属于CG模型,对于制作人专业能力要求,基本上有两点:

    1、外家功:即技术、工具、流程方面的能力;

    2、内家功:即艺术、审美、造型、设计、创意、人文等等方面的艺术能力;

    从这两个方面谈一谈“游戏模型”和“影视模型”的区别:

    1、内功

    从内功上来看,游戏和影视没有本质的区别,或者说两者对内功的要求基本上一样的,也可以说,影视模型能做好做游戏模型也绝对差不了

    所以多修内功,对将来无论从事哪个岗位都是至关重要的,内功也将决定着将来能在行业里发展的高度。

    2、工具、技术

    **在工具、技术和工艺流程方面,这两个岗位的要求还是有一些区别。**影视制作方面,目前大部分公司还都是基于Maya作为主平台,所以从事影视模型制作,用Maya的偏多。整体来看,游戏模型制作在国内基本上主要用Max,次时代单机游戏模型领域,EA之类的公司,工具也是需要用Maya,这个与项目流程有关。

    从工具而言,无论是影视或者游戏,模型制作对工具的限制其实很小,几乎所有的3D软件都可以通过OBJ无障碍互导,所以精通一款就可以,除非公司有特别的要求,花一点时间换一款软件对模型师来说也不是特别大的难事。如果你一直以来都对3d游戏建模抱有强烈的学习兴趣,可以到这个游戏建模教程学习企-鹅圈:它开头的数字是:684,在中间的是:763,位于尾部的数字是:871 ,把以上三组数字按照先后顺序组合起来即可。3d建模新手小白学习工具入门教程。3Dmax、Zbrush、Maya次世代游戏动漫建模软件教学,从零基础萌新到实操探索,手把手教会你3D游戏建模

    3、制作工艺、数据

    **数据要求:**影视模型的确对资源的限制较小,或者说弹性较大,但也不是完全没有限制的,整体资源也会大概有一个最高限的要求。而游戏限制相对比较严格,对多边形面数资源、贴图资源都有明确的要求。

    **制作工艺:**影视模型制作的流程相对游戏更复杂,精度也更高一些,完成度和效果自然更高一些;为了追求极致的效果,影视模型可以发挥的空间也更大。高质量的游戏模型,在模型、贴图方面也有很高的要求,但另一半的效果基本是交给引擎呈现。但随着游戏引擎的发展进化,可以预见,高端的游戏质量越来越接近电影级别,两者的视效差距也会越来越小。

    结 论

    先去达到一定的高度,到那时,选择权在你,工作自然不是问题,薪资也不是什么问题。工作是工作,个人追求是个人追求,也不用纠结做哪个的问题。如果专业高度上不去 做那个都是郁闷、纠结,而根本做不长久。

    展开全文
  • 目录1.前言2.embedding表示方法02.1 word2vec embedding2.2 neural network embedding2.3 graph embedding3....embedding的制作方法比较常见的有word2vec embedding,neural network embedding和graph embedding


    本文主要对决策树、gbdt、xgboost、lightgbm、catboost进行简述和整理,包括模型原理、优劣性等内容

    1.决策树

    决策树是一种通过对历史数据进行测算,对新数据进行分类和预测的算法,以此为依据,对新产生的数据结果进行预测的机器学习方法,由3个主要部分组成,分别为决策节点,分支和叶子节点,具体定义与数据结构中的树基本相同
    构建决策树的方法有很多种,其中ID3、C4.5、CART树的构建方法比较常见,

    决策树构建方法 支持模型 树结构 连续值处理 缺失值处理 剪枝 特征选择 原理
    ID3 分类 多叉树 不支持 不支持 不支持 信息增益 用信息熵减条件熵得到信息增益,信息增益越大,说明使用此特征分类的信息“纯度”提升越大
    C4.5 分类 多叉树 支持 支持 支持 信息增益率 用信息增益除以分支数的信息熵,用以解决信息增益下出现的分支数越多,信息增益偏向越大的问题
    CART 分类 回归 二叉树 支持 支持 支持 基尼系数 均方差 从数据集中抽取两个样本不一样的概率,基尼系数越小,数据集的纯度越高
    1.1 CART分类树

    算法输入是训练集D,基尼系数的阈值,样本个数阈值
    输出是决策树T
    算法从根节点开始,用训练集递归的建立CART树
    具体如下:
    1.对于当前节点的数据集为D,如果样本个数小于阈值或者没有特征,则返回决策子树,当前节点停止递归
    2.计算样本集D的基尼系数,如果基尼系数小于阈值,则返回决策树子树,当前节点停止递归
    3.计算当前节点现有的各个特征的各个特征值对数据集D的基尼系数,对于离散值和连续值都是寻找最佳切分点,通过计算基尼系数进行比较
    4.在计算出来的各个特征的各个特征值对数据集D的基尼系数中,选择基尼系数最小的特征A和对应的特征值a。根据这个最优特征和最优特征值,把数据集划分成两部分D1和D2,同时建立当前节点的左右节点,做节点的数据集D为D1,右节点的数据集D为D2
    5. 对左右的子节点递归的调用1-4步,生成决策树
    6. 在预测阶段,加入样本a落入某个叶子节点中,节点里有多个训练样本,对于样本a的类别概率使用的是这个叶子节点里概率最大的类别,概率值为叶子中最大类别的数目/所有样本数目

    1.2 CART回归树

    算法输入是训练集D,均方差的阈值,样本个数阈值
    输出是决策树T
    算法从根节点开始,用训练集递归的建立CART树
    具体如下:
    1.对于当前节点的数据集为D,如果样本个数小于阈值或者没有特征,则返回决策子树,当前节点停止递归
    2.计算样本集D的均方差,如果均方差小于阈值,则返回决策树子树,当前节点停止递归
    3.计算当前节点现有的各个特征的各个特征值对数据集D的均方差,对于离散值和连续值都是寻找最佳切分点,通过计算均方差进行比较
    4.在计算出来的各个特征的各个特征值对数据集D的均方差中,选择均方差最小的特征A和对应的特征值a。根据这个最优特征和最优特征值,把数据集划分成两部分D1和D2,同时建立当前节点的左右节点,做节点的数据集D为D1,右节点的数据集D为D2
    5. 对左右的子节点递归的调用1-4步,生成决策树
    6. 在预测阶段,加入样本a落入某个叶子节点中,节点里有多个训练样本,对于样本a的预测值使用的是这个叶子节点里各个训练样本的均值或者中位值

    2.gbdt

    GBDT是集成学习boosting的方法,可以看做是N棵树组成的加法模型,对应的公式如下:
    在这里插入图片描述
    x表示输入样本,c表示每棵决策树,I表示每棵树的权重
    算法实现过程如下:
    输入:训练数据集T,损失函数为L
    输出:回归树F(x)
    1.初始化
    估计使损失函数极小化的常数值,它是只有一个根节点的树,一般平方损失函数为节点的均值,绝对损失函数为节点样本的中位数
    在这里插入图片描述
    2.对m=1,2…M(m表示迭代次数,即生成的弱学习器个数)
    (a)对样本i=1,2…,N,计算损失函数的负梯度在当前模型的值,将它作为残差的估计,对于平方损失函数,它就是所说的残差,对于一般损失函数,就是残差的近似值
    在这里插入图片描述
    (b)对于输入样本拟合一个回归书,得到第m棵树的叶节点区域Rj,j表示每棵树的叶节点个数
    ©对j=1,2…J,利用线性搜索,估计叶节点区域的值,使损失函数最小化,计算
    在这里插入图片描述
    (d)更新
    在这里插入图片描述
    (3)得到最终的回归树
    在这里插入图片描述
    注:对于gbdt分类算法,损失函数为log损失,残差为真实label - softmax后输出的值

    3.xgboost

    xgboost官方文档
    xgboost是一种level-wise生长策略的集成树模型,相比于比较容易过拟合的gbdt,做了一些工作,具体如下
    目标函数:
    在这里插入图片描述
    将目标函数进行泰勒展开,取前三阶,移除高阶小项,转化为如下函数:
    在这里插入图片描述
    上式中的第一项表示损失误差,第二项是正则项,控制树的负责督,防止过拟合
    最优切分点分割算法
    在这里插入图片描述

    4.lightgbm

    LightGBM 中文文档
    lightgbm是一个基于leaf-wise的集成决策树模型,相比于xgboost,在速度上和内存消耗上有极大的改进,精度基本与xgboost相同,甚至有时可以超过xgboost,具体工作如下
    LightGBM = XGBoost + Histogram + GOSS + EFB,即lightgbm主要的工作改进有结合直方图算法,GOSS算法,EFB算法
    直方图算法
    直方图算法是替代XGBoost的预排序(pre-sorted)算法的。
    预排序算法首先将样本按照特征取值排序,然后从全部特征取值中找到最优的分裂点位,该算法的候选分裂点数量与样本数量成正比。
    而直方图算法通过将连续特征值离散化到固定数量(如255个)的bins上,使得候选分为点位为常数个(num_bins -1).
    此外,直方图算法还能够作直方图差加速。当节点分裂成两个时,右边叶子节点的直方图等于其父节点的直方图减去左边叶子节点的直方图。从而大大减少构建直方图的计算量。
    在这里插入图片描述
    GOSS算法
    GOSS算法全称为Gradient-based One-Side Sampling,即基于梯度的单边采样算法,主要思想是通过对样本采样的方法来减少计算目标函数增益时候的复杂度
    如果对全部样本进行随机采样,势必会对目标函数增益的计算精度造成较大的影响,GOSS算法的创新之处在于它只对梯度绝对值较小的样本按照一定比例进行采样,而保留了梯度绝对值较大的样本,由于目标函数增益主要来自于梯度绝对值较大的样本,因此这种方法在计算性能和计算精度之间取得了很好的平衡
    EFB算法
    EFB算法全称是Exclusive Feature Bundling,即互斥特征绑定算法,EFB算法可以有效减少用于构建直方图的特征数量,从而降低计算复杂度,尤其是特征中包含大量稀疏特征的时候
    在许多应用场景下,数据集中会有大量的稀疏特征,这些稀疏特征大部分样本都取值为0,只有少数样本取值非0,通常可以认为这些稀疏特征是互斥的,即它们几乎不会同时取非零值,利用这种特性,可以通过对某些特征的取值重新编码,将多个这样互斥的特征捆绑成为一个新的特征
    在这里插入图片描述

    5.模型对比

    .XGBoost的优缺点
    与GBDT对比
    1.GBDT的基分类器只支持CART树,而XGBoost支持线性分类器,此时相当于带有L1和L2正则项的逻辑回归(分类问题)和线性回归(回归问题)
    2.GBDT在优化时只使用了一阶倒数,而XGBoost对目标函数进行二阶泰勒展开,此外,XGBoost支持自定义损失函数,只要损失函数二阶可导
    3.XGBoost借鉴随机森林算法,支持列抽样和行抽样,这样即能降低过拟合风险,又能降低计算。
    4.XGBoost在目标函数中引入了正则项,正则项包括叶节点的个数及叶节点的输出值的L2范数。通过约束树结构,降低模型方差,防止过拟合。
    5.XGBoost对缺失值不敏感,能自动学习其分裂方向
    6.XGBoost在每一步中引入缩减因子,降低单颗树对结果的影响,让后续模型有更大的优化空间,进一步防止过拟合。
    7.XGBoost在训练之前,对数据预先进行排序并保存为block,后续迭代中重复使用,减少计算,同时在计算分割点时,可以并行计算

    与LightGBM对比
    1.XGBoost采用预排序,在迭代之前,对结点的特征做预排序,遍历选择最优分割点,数据量大时,贪心法耗时,LightGBM方法采用histogram算法,占用的内存低,数据分割的复杂度更低,但是不能找到最精确的数据分割点。同时,不精确的分割点可以认为是降低过拟合的一种手段。
    2.LightGBM借鉴Adaboost的思想,对样本基于梯度采样,然后计算增益,降低了计算
    3.LightGBM对列进行合并,降低了计算
    4.XGBoost采样level-wise策略进行决策树的生成,同时分裂同一层的节点,采用多线程优化,不容易过拟合,但有些节点分裂增益非常小,没必要进行分割,这就带来了一些不必要的计算;LightGBM采样leaf-wise策略进行树的生成,每次都选择在当前叶子节点中增益最大的节点进行分裂,如此迭代,但是这样容易产生深度很深的树,产生过拟合,所以增加了最大深度的限制,来保证高效的同时防止过拟合。

    6.参考文献

    1.决策树算法原理(上)
    2.决策树算法原理(下)
    3.决策树分类和预测算法的原理及实现
    4.梯度提升树(GBDT)原理小结
    5.GBDT基本原理及算法描述
    6.《Greedy Function Approximation:A Gradient Boosting Machine》
    7.XGBoost原理
    8.GDBT模型、XGBoost和LightGBM之间的区别与联系

    展开全文
  • 作为我本科论文的一部分制作的 Blender 插件:。 感谢工作,您可以通过 Blender 插件 UI 安装 zip(或将提取的文件夹放入您的 Blender 插件目录)并在用户设置中启用插件以开始生成 - 现在具有完整的自定义 UI !...
  • 1.导入模型问题 2.装配模型问题 3.选择旋转轴的问题 针对第一个问题: labview是不支持直接的solidworks 格式的文件的,需要保存成 .wrl 或者 * .stl 为什么是这个格式呢,请看下图: 本人只尝试了.wrl所以在...
  • 【流程2——用3ds Max或Maya制作低模】这一步流程是为用ZBrush 4R6雕刻高模所做的预备工作,如果模型比较简单,比如石头,树干,地面砖等等这类模型可以不用制作低模,可以直接使用ZBrush 4R6雕.
  • 决策可以做什么 现在国内外关于决策的研究现状是什么 什么是决策 决策Decision Tree又称为判定是数据挖掘技术中的一种重要的分类方法它是一种以结构包括二叉树和多叉形式来表达的预测分析模型 ...
  • 通过一个树干模型和树叶模型 随机制作不同的预制体 Editor脚本: //===================================================== // - FileName: AutoCreateTreeModel.cs // - Author: #AuthorName# // - CreateTime:...
  • 这个项目非常有趣:我拍摄了1600多张100棵以上的树木的照片,以在威斯康星州美丽的秋天天气中制作数据集。 除了令人愉快之外,该项目还涉及机器视觉和分类中的几个关键问题,包括数据扩充,与班级规模不平衡相关的...
  • Unity3D如何制作透贴和使用透贴模型??解决办法!!! 问题: 同事通过3DMAX制作了一个非常漂亮的女人,头发这块用到了透贴,不知道这个词有没有人看懂这样,总之就是类似树叶的效果,但是在3DMAX里面的透贴是...
  • 问题: 同事通过3DMAX制作了一个非常漂亮的女人,头发这块用到了透贴,不知道这个词有没有人看懂这样,总之就是类似树叶的...看了一下官方的模型,终于有点懂了,它们模型的贴图用的是psd格式的,当我打开图片后
  • 3D樱树模型

    2013-11-07 10:34:15
    3D树木花草的模型创建很适合初学者,以及材质球对贴图的制作
  • 一、创建模型 1、在XXX.Model项目中创建形菜单类,继承BasePoco类和ITreeData接口。官方文档地址:点击进入 2、在XXX.DataAccess项目中注册表。EF基本操作,这里就不多说了。 /// <summary> /// 单位...
  • 此教程仅供参考。(交流的是思路,初学者想了解更多参数含义) 最终效果,如图所示: 软、硬件配备: (01)软件:Maya8.5 3DSMAX PS AE ...(1)、树模型: 我用的是3DSMAX里的《树木风暴》制作,再导到Ma
  • YOLOv3树叶识别实践

    2019-01-08 16:08:58
    YOLOv3树叶识别实践。(1)数据集的制作、标注;(2)训练自己的模型;(3)对图片、视频的测试;(4)参考资料。
  • 视觉类型的媒体根据CSS的视觉格式化模型(Visual formatting model)的规则来处理文档中的元素,从而将(X)HTML转化成制作者设计的样子。 例如: 如何生成元素框;处理各元素之间的关系;根据框的尺寸、定位等CSS...
  • 树状模型存储格式

    2013-05-12 22:24:44
    好久,没写东西了,去年8月份玩了下老滚5的mod制作,无意中看到了并用了下一些相关的工具。 老滚5的模型编辑工具,给了我点点启发。通过工具界面直观的看老滚采用的应该是一种树状的存储结构或者表达结构。他的模型...
  • 解决树叶法线方向的问题

    千次阅读 2017-04-11 19:11:00
    在早期制作端游时候做,遇到过树叶正反面的问题,当时看speedtree解决的很好想到导出使用没有成功 后来好像是程序大大统一修改了树叶的模型,但是无法达到球形受光的样子 后来制作手游的时候发现可以通过修改...
  • 视觉类型的媒体 根据CSS的视觉格式化模型(Visual formatting model)的规则来处理文档中的元素,从而将(X)HTML转化成制作者设计的样子。我曾在《别具光芒:CSS属性、浏览器兼容与网页布局》一书中,讲解过这些...
  • 利用Photoshop (PS)软件制作立体效果的苹果图像模型,首先对苹果图像通过通道提取图像的方法从周围的背景中枢出来,然后进行立体效果的处理.处理过程中运用了选择工具Alpha通道,加深及减淡工具,取反色,快速蒙版等...
  • 决策之特征选择

    2019-03-05 10:34:49
    实际工作中,做好训练集/测试集,用训练集跑完一个模型之后,需要不断对该模型进行优化并提高auc,故需要调整模型参数或新增一些维度特征,这样每次都要重新制作训练集数据,工作...
  • 现有的技术,无论是在基于学习的模型中使用手工制作的功能,还是在基于传统图像分析的方法中使用,都不能有效地解决具有挑战性的情况,例如拥挤的核,染色质稀疏和背景杂乱。 相比之下,深层网络在对各种核外观进行...
  • 来自美国新泽西州55岁的模型爱好者DavidSmith,制造出世界上最小的火车情景模型。 在7.5×3.75毫米长宽、仅有指甲大小的底座上,Smith除了设计出一列只有实物1/35200大、微如米粒的火车外,还精心制作了山洞、草地...
  • 最常见的用于信用评分的...由于制作评分卡的某些需要,通常会在建立评分模型时将自变量做离散化处理(等宽切割,等高切割,或者利用决策来切割),但是模型本身没办法很好地直接接受分类自变量的输入,因此需要对自
  • 这一步流程是为用ZBrush2018雕刻高模所做的预备工作,如果模型比较简单,比如石头,树干,地面砖等等这类模型可以不用制作低模,可以直接使用ZBrush雕刻,如果模型比较复杂,比如生物模型,就应该先做一个低模,这个...

空空如也

空空如也

1 2 3 4 5 ... 14
收藏数 264
精华内容 105
热门标签
关键字:

模型树制作